前言：

并行編程勢不可擋，Java從1.7開始就提供了Fork/Join 支持并行處理。java1.8 進一步加強。

并行處理就是將任務拆分子任務，分發(fā)給多個處理器同時處理，之后合并。

1、Stream API

Java 8 引入了許多特性，Stream API是其中重要的一部分。區(qū)別 InputStream OutputStream，Stream API 是處理對象流而不是字節(jié)流。

執(zhí)行原理如下，流分串行和并行兩種執(zhí)行方式

// 串行執(zhí)行流
stream().filter(e -> e > 10).count();
// 并行執(zhí)行流
.parallelStream().filter(e -> e > 10).count()

2、ParallelStreams執(zhí)行原理

并行執(zhí)行時，java將流劃分為多個子流，分散在不同CPU并行處理，然后進行合并。

并行一定比串行更快嗎？這不一定，取決于兩方面條件：

• 處理器核心數量，并行處理核心數越多自然處理效率會更高。
• 處理的數據量越大，優(yōu)勢越強。這也很好理解，比如十個人干一個人就能完成的活兒會比它自己干更便宜？

3、ParallelStreams注意事項

使用并行流時，不要使用collectors.groupingBy,collectors.toMap，替代為

collectors.groupingByConcurrent , collectors.toConcurrentMap，或直接使用串行流。

原因，并行流執(zhí)行時，通過操作Key來合并多個map的操作比較昂貴。詳細大家可以查看官網介紹。

https://docs.oracle.com/javase/tutorial/collections/streams/parallelism.html#concurrent_reduction

Map<String, List<Person>> byGender = 
  roster
   .stream()
   .collect(Collectors.groupingBy(Person::getGender));

ConcurrentMap<String, List<Person>> byGender =         
  roster
   .parallelStream()
   .collect(Collectors.groupingByConcurrent(Person::getGender));

ParallelStreams 默認使用 ForkJoinPool.commonPool()線程池。

注意：默認情況下，你寫的 ParallelStreams 都是通過該線程池調度執(zhí)行，整個應用程序都共享這個線程池。

看一個例子，我們查詢一批新聞數據，可以利用并行化來處理遠程新聞下載。

public List<News> queryNews(Stream<String> ids) {
     return ids.parallel()
            .map(this::getNews) // 網絡操作，新聞下載
            .collect(toList());
}

因為是網絡操作，存在很多不確定性，假如某個任務運行時間較長，導致線程池資源占據，阻塞其它線程，這樣就阻止了其他的并行流任務正常進行。

如果解決這個問題的其中一種方式，進行線程池隔離。那么如何自定義并行流的線程池呢？

ForkJoinPool 構造參數我們默認設置為CPU核心數。

ForkJoinPool customThreadPool = new ForkJoinPool(4);
long actualTotal = customThreadPool
  .submit(() -> roster.parallelStream().reduce(0, Integer::sum)).get();

總結：

Java 1.8 提供的Stream API簡化了代碼，很好用。不過在使用過程中應該注意以上問題。

到此這篇關于Java8 中的并行流 ParallelStreams的文章就介紹到這了,更多相關Java8 ParallelStreams內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論